Ling-3.1-flash

Ling-3.1-flash är inclusionAI:s uppgraderade version av Ling-3.0-flash, en så kallad hybridresonerande modell som kan tänka steg för steg innan den svarar (det går att slå av per förfrågan). Enligt inclusionAI bygger den vidare på Ling-3.0-flash med förbättrad arkitektur och bättre resultat på verkliga uppgifter. Den är också betydligt större: Ling-3.0-flash har 124 miljarder parametrar varav 5,1 miljarder aktiva, medan Ling-3.1-flash har 560 miljarder totalt och 25 miljarder aktiva per token. Den kan läsa upp till en miljon tokens.

Arkitekturen är en mixture-of-experts med 512 experter, där 8 används per token, och den blandar linjär uppmärksamhet (Kimi Delta Attention) med gated MLA i förhållandet 7:1 (63 respektive 9 lager). Ling-3.0-flash använde förhållandet 5:1.

Enligt inclusionAI är modellen bra på generella agentuppgifter, sökning, kontorsarbete och programmering, och presterar starkt på tester som GDPVal-AA V2.1, HealthBench Professional, FrontierSWE och Terminal-Bench 4.0. Den ska också ha blivit bättre inom finans och materialvetenskap. I deras jämförelser ställs den mot bland annat Claude Opus 5, GPT-5.6 Sol, Kimi K3, GLM 5.3 och DeepSeek-V4.1-Flash, och den vinner vissa tester men inte alla. Några resultat är framtagna med LingCode, ett eget agentverktyg för långa kodningsuppgifter byggt på kodagenten Pi, som inclusionAI överväger att släppa som öppen källkod. Vårdresultatet mättes i inclusionAI:s miljö AQ, och enligt dem går modellens vårdförmåga i dagsläget bara att prova där.

Modellen dök upp för anrop via OpenRouter den 2 oktober 2026, och vikterna lades ut öppet under MIT-licens på Hugging Face den 13 oktober. Hos OpenRouter är kontextfönstret 262 144 tokens, alltså mindre än den miljon tokens modellkortet anger, och priset är 0,075 dollar per miljon tokens in och 0,225 dollar per miljon tokens ut. Den är stor: inclusionAI:s rekommenderade upplägg kör den på åtta H200-grafikkort.